本研究提出了一种新方法和数据集，用于生成高质量、多样的纹理图像。通过开发输入提示、调整生成模型以及严格筛选，最终创建了一个包含362,880幅纹理图像的Prompted Textures Dataset (PTD)。研究发现纹理图像在安全过滤过程中容易被错误标记，揭示了当前模型的潜在偏见。

本文介绍了一种使用基于生成对抗网络（GANs）的新方法，逐片段生成无限分辨率纹理图像。该方法通过在纹理图像上训练 GAN 模型，生成局部相关且可无缝拼接成更大图像的纹理片段。实验结果表明，该方法具有更好的可扩展性和视觉一致性。